ModelArts人工智能應用開發指南

CONTENTS

目錄

第一篇人工智能應用開發概述

第1章人工智能技術、應用及平臺

1.1人工智能技術

1.1.1人工智能技術的發展

1.1.2人工智能技術的主要領域

1.1.3人工智能技術的價值

1.2人工智能應用

1.2.1人工智能應用的特點

1.2.2人工智能應用的商業化場景

1.3人工智能平臺

第2章人工智能應用快速開發

2.1基於圖像分類模板的開發

2.2基於目標檢測模板的開發

2.3基於聲音分類模板的開發

2.4基於文本分類模板的開發

第二篇人工智能應用開發方法

第3章人工智能應用開發全流程

3.1人工智能應用開發全流程解析

3.1.1數據準備子流程

3.1.2算法選擇和開發子流程

3.1.3模型訓練子流程

3.1.4模型評估和調優子流程

3.1.5應用生成、評估和發布子流程

3.1.6應用維護子流程

3.2人工智能應用開發流程的權衡

3.2.1復雜和簡單的取捨

3.2.2人與機器的平衡

3.2.3開發和運行的融合

3.3人工智能應用開發全流程的成本分析

3.3.1設計和開發成本

3.3.2部署和維護成本

3.3.3邊際成本

第4章數據準備

4.1數據採集和接入

4.1.1數據採集

4.1.2數據接入

4.2數據處理

4.2.1數據校驗和轉換

4.2.2數據清洗

4.2.3數據選擇

4.2.4數據增強

4.2.5其他數據處理

4.3數據標註

4.3.1標註任務分類

4.3.2智能數據標註

4.3.3數據標註元信息管理

4.4數據分析和優化

4.4.1數據集特徵分析和優化

4.4.2細粒度數據診斷和優化

第5章算法選擇和開發

5.1算法選擇

5.1.1基礎層算法選擇

5.1.2應用層算法選擇

5.1.3ModelArts預置算法選擇

5.2算法開發

5.2.1開發語言

5.2.2開發庫

5.2.3交互式開發環境

5.2.4ModelArts雲上雲下協同開發

第6章模型訓練

6.1模型訓練的基本過程

6.1.1基礎概念

6.1.2模型訓練與數據源的交互

6.1.3模型訓練具體過程

6.2基於ModelArts的模型訓練

6.2.1使用預置算法訓練

6.2.2使用自定義算法訓練

6.2.3使用自定義鏡像訓練

6.3端到端訓練加速

6.3.1數據側加速

6.3.2計算側加速

6.3.3分佈式並行側加速

6.3.4調參側加速

6.4自動搜索

6.4.1AutoSearch框架

6.4.2基於AutoSearch進行搜索

6.5彈性訓練

6.6聯邦協同訓練

第7章模型評估和調優

7.1模型評估

7.1.1精度評估

7.1.2性能評估

7.1.3其他維度的評估

7.1.4基於ModelArts的模型評估

7.2模型診斷優化

7.2.1精度診斷優化

7.2.2性能診斷優化

第8章應用生成、評估和發布

8.1應用管理

8.1.1模型格式轉換

8.1.2簡單應用生成

8.1.3基於編排的應用生成

8.1.4應用評估

8.2應用部署和發布

8.2.1部署類型

8.2.2部署管理

8.2.3應用測試和使用

第9章應用維護

9.1數據採集和篩選

9.2應用疊代

9.2.1基於數據的應用疊代優化

9.2.2基於算法和模型的應用疊代優化

9.3基於ModelArts的應用維護

第三篇人工智能應用開發場景化實踐

第10章構建企業級人工智能平臺

10.1企業級人工智能平臺

10.1.1企業級人工智能平臺的設計要素

10.1.2ModelArts Pro企業級開發套件

10.2企業級OCR平臺

10.2.1OCR算法的基本流程

10.2.2企業級OCR平臺及關鍵流程

第11章構建面向復雜行業的自動化人工智能系統

11.1面向復雜行業的人工智能系統

11.2面向基因組學的自動化人工智能建模系統

11.2.1基於人工智能的組學數據建模

11.2.2面向基因組學的自動化建模

11.2.3基於SHAP的模型解釋

11.2.4基因組數據自動建模工具——AutoGenome

第12章端邊雲協同的人工智能平臺及應用開發

12.1端雲協同的人工智能應用開發

12.1.1端雲協同開發的應用場景

12.1.2HiLens端雲協同開發平臺

12.1.3HiLens開發環境

12.1.4HiLens開發框架

12.1.5案例： 智慧工地安全帽識別

12.2邊雲協同的人工智能應用開發

12.2.1智能交通解決方案的背景

12.2.2智能交通解決方案的設計

12.2.3基於邊雲協同的智能視頻分析